ASR Tkinter GUI

Proyecto académico para la materia Inteligencia Artificial en ESPOL.

Interfaz gráfica estilo Windows 95 para transcribir audio .wav usando el checkpoint best_model.pth.

Incluye función para grabar audio desde la interfaz y transcribirlo directamente.

Requisitos

• Python 3.10+
• uv

Instalación de uv

• Windows (PowerShell): irm https://astral.sh/uv/install.ps1 | iex
• Linux/macOS: curl -LsSf https://astral.sh/uv/install.sh | sh

Reabre la terminal y verifica con:

uv --version

Modelo

Descarga el archivo best_model.pth desde Google Drive y colócalo en la raíz del proyecto.

Por defecto la app intenta cargar (en este orden):

1. best_model.pth
2. checkpoint_epoch_40.pth

Instalación del proyecto

uv sync

Uso

uv run python app.py

Grabación de audio desde la interfaz

• Haz clic en Grabar para iniciar la grabación desde el micrófono.
• Haz clic en Detener para finalizar y cargar el audio grabado.
• El archivo grabado se puede reproducir y transcribir igual que un archivo .wav cargado manualmente.

Notas

• Solo soporta .wav.
• El audio se reproduce con pygame (pausa/reanuda y suele ser más estable en Windows).
• El modelo se carga al iniciar la app y la transcripción corre en un thread para no congelar la UI.
• En Linux necesitas tener instalado Tkinter (paquete del sistema python3-tk).
• En Windows, Tkinter viene incluido normalmente con Python (python.org). Si no abre la ventana, revisa que tu instalación incluya Tcl/Tk.